一种基于路径多样性与一致性的动态路由网络学习方法

摘要

本发明公开了一种基于路径多样性与一致性的动态路由网络学习方法，用于在分类、分割等多种任务中对相应网络预测算法进行加速。具体包括如下步骤：获取用于训练该任务的图像数据集；建立基于路由选择的基础网络模型；建立模型中选择路径的路由模型；建立样本间路径的关系模型；基于前述建模结果训练预测模型；使用所述学习框架的对现有网络进行加速。本发明基于路径多样性与一致性的动态路由网络学习方法，相比于现有的动态网络学习方法，在现有的ResNet，DenseNet等模型下，可完成的运行速度极大的提升，具有良好的应用价值。